基于物理模型的深度学习物质分解方法、装置、终端及存储介质

本申请提供一种基于物理模型的深度学习物质分解方法，包括：搭建物理模型，用于映射CT探测器不同物理参数下X射线的响应，并基于该物理模型制作数据集；基于数据集构建并训练神经网络，用于拟合不同物理参数下CT探测器的响应；设置若干校准实验，通过缩小神经网络预测值和实验响应值的误差确定CT探测器的物理参数；成像时，根据CT探测器的物理参数、CT探测器的实际响应，通过神经网络计算得到受探测物质的厚度信息。本申请通过搭建神经网络映射CT探测器物质分解过程中各物理参数间关联，并通过少量校准实验得到CT探测器的物理参数，从而在物质分解时通过已知的物理参数和响应能谱反推出受检测物质的厚度信息，且方法具备较好的鲁棒性。
上海科技大学
余肖鹏 | 秦文辉 | 钟韬 | 赖晓春